CN105894501B - 一种高分辨率遥感图像单木探测和树冠描绘方法 - Google Patents

一种高分辨率遥感图像单木探测和树冠描绘方法 Download PDF

Info

Publication number
CN105894501B
CN105894501B CN201610188465.3A CN201610188465A CN105894501B CN 105894501 B CN105894501 B CN 105894501B CN 201610188465 A CN201610188465 A CN 201610188465A CN 105894501 B CN105894501 B CN 105894501B
Authority
CN
China
Prior art keywords
depression
tree crown
data
treetop
remote sensing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610188465.3A
Other languages
English (en)
Other versions
CN105894501A (zh
Inventor
王培法
沈利强
王丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN201610188465.3A priority Critical patent/CN105894501B/zh
Publication of CN105894501A publication Critical patent/CN105894501A/zh
Application granted granted Critical
Publication of CN105894501B publication Critical patent/CN105894501B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10032Satellite or aerial image; Remote sensing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30181Earth observation
    • G06T2207/30188Vegetation; Agriculture

Landscapes

  • Image Processing (AREA)

Abstract

本发明提出一种高分辨率遥感图像单木探测和树冠描绘方法,该方法基于树冠顶部具有像元高值的特点,将图像平滑滤波后进行反转,将图像看作地面高程数据,利用水文分析中的洼地提取方法进行树顶位置的提取,完成单木探测;然后采用生长空间限定的种子区域生长方法进行树冠描绘,将单木探测结果作为树冠描绘的种子点,对应的洼地贡献区域作为区域生长时的生长范围限定,根据给定的阈值进行树冠描绘。该方法能够避免局部最大值法的局部窗口选择和多尺度分析方法尺度选择,解决区域生长的过度生长问题。

Description

一种高分辨率遥感图像单木探测和树冠描绘方法
技术领域
本发明涉及一种数字图像处理方法,尤其是一种高分辨率遥感图像单木探测和树冠描绘方法。
背景技术
目前基于遥感图像的树冠描述由两步构成,首先是单木探测,获取树顶或树的位置;然后是单木树冠描绘,自动获取树冠边界。单木探测的方法主要有局部最大值法、多尺度分析法和模板匹配法;单木树冠描绘的方法主要有谷地跟踪法、区域生长、分水岭分割和局部射线法。
局部最大值法是通过获取图像局部范围内的最大值来确定树顶的位置,方法原理简单,但存在如何确定局部窗口大小的问题。
多尺度分析法用不同的尺度探测不同大小的树冠,但存在尺度选择问题。
模板匹配法是一种基于形状特征的单木树冠探测,基于模板来进行树冠探测,需要根据探测的树冠特征设计不同的模板。
谷地跟踪法是通过搜索局部区域内均小于两侧的像元作为谷地像元,然后连接作为树冠边界的方法,通常适用于低分辨率、树冠稀疏的图像。
区域生长是将单木探测获得的树冠中心点作为种子点,根据给定的阈值进行生长,直到像元光谱值与种子点差值超过阈值,则停止生长。区域生长算法计算简单,适应性广,但对于紧密度过高的林分,由于树冠相互连接,方法存在过度生长的问题。
分水岭分割法是将图像生成梯度图像,然后将其进行边缘细化,最后搜索地图图像的局部最大值作为树冠边界,通常需要利用其它方法获得树冠中心点作为依据,从而确定树冠边界。方法应用广泛,但对边缘敏感,具有过分割的缺点,需要进行预处理和后处理;
局部射线法从树冠中心向四周引出若干局部射线,探测像元值变化最大的点作为树冠边界,然后连接探测的点组成树冠轮廓,方法需基于其它方法探测的树冠中心点,对于树冠重叠的情况,精度会受到影响。
发明内容
发明目的:为解决上述技术问题,本发明提出一种高分辨率遥感图像单木探测和树冠描绘方法。该方法能够避免局部最大值法的局部窗口选择和多尺度分析方法尺度选择,解决区域生长的过度生长问题。
技术方案:为实现上述技术效果,本发明采用的技术方案总体思路为:基于树冠顶部具有像元高值的特点,将图像平滑滤波后进行反转,将图像看作地面高程数据,从而利用水文分析中的洼地提取方法进行树顶位置的提取,完成单木探测;然后采用发明的生长空间限定的区域生长方法进行树冠描绘,将单木探测结果作为树冠描绘的种子点,对应的洼地贡献区域作为区域生长时的生长范围限定,根据给定的阈值进行树冠描绘。
本发明提供的技术方案为:
一种高分辨率遥感图像单木探测和树冠描绘方法,该方法包括以下步骤:
步骤1:对探测区域的高空间分辨率遥感图像进行预处理,包括:先对高空间分辨率遥感图像进行均值滤波获取平滑图像,再对平滑图像进行颜色反转处理,获取预处理后的遥感图像;
步骤2:利用水文分析方法从预处理后的遥感图像中提取树顶位置数据以及单木树冠描绘的限制区域,包括:
2-1将预处理后的遥感图像看做地面高程数据,利用水文分析的洼地提取方法从预处理后的遥感图像中提取洼地数据,所述洼地数据即为树顶位置初次提取数据;
2-2对树顶位置初次提取数据进行二次提取,剔除其中非树顶位置洼地,将剔除非树顶位置洼地后的数据作为树顶位置二次提取数据;
2-3根据树顶位置二次提取数据获得每个洼地的洼地贡献区域数据;
2-4从树顶位置二次提取数据中剔除树冠分支洼地,将剔除后的数据作为树顶位置数据;并将树冠分支洼地的洼地贡献区域与距离其最近的洼地贡献区域合并;
步骤3:将步骤2中提取的树顶位置数据作为种子点、所有洼地贡献区域作为种子生长的限定范围,通过区域生长法进行单木树冠描述。
进一步的,所述步骤2-1中的洼地数据提取方法为:
(1)采用D8单流向算法对预处理后的遥感图像进行水流方向计算,通过计算中心栅格与邻域栅格的最大距离权落差获取水流方向栅格;
(2)根据水流方向计算结果提取洼地数据。
进一步的,所述步骤2-2中获取树顶位置二次提取数据的方法为:
计算形成洼地的栅格像元在预处理前高空间分辨率遥感图像中所对应的像元值;设定像元值阈值,将树顶位置初次提取数据中低于像元值阈值的洼地栅格作为非树顶位置洼地并剔除,将剩余的数据作为树顶位置二次提取数据。
进一步的,所述步骤2-4中剔除树冠分支洼地的方法为:
(1)设置洼地间距阈值,并将所有洼地进行编号形成处理队列,按照编号从小到大依次进行是否为树顶位置洼地的判断;
(2)从队首洼地开始,计算其与其相邻洼地的相对距离;若所选取的洼地与其相邻洼地的相对距离均大于洼地间距阈值,则判定所选取的洼地为树顶位置洼地,并将其从处理队列中删除,进行下一个洼地的判断;若所选取的洼地与一个或多个洼地的相对距离小于或等于洼地间距阈值,则进入步骤(3);
(3)计算所选取的洼地以及与其相对距离小于或等于洼地间距阈值的洼地的像元均值,从中选取像元均值最大的洼地作为树顶位置洼地,并将其从处理队列中删除,其余洼地保留原编号继续参与洼地判断;
(4)循环执行步骤(2)至(3)直至没有新的树顶位置洼地产生,处理队列中剩余的洼地即为树冠分支洼地;
(5)从树顶位置二次提取数据中剔除树冠分支洼地数据。
进一步的,通过区域生长法进行单木树冠描述的方法为:
(1)将每个种子点周围的邻近栅格作为对应种子点的生长候选栅格并设定树冠生长规则;
(2)从每个种子点的生长候选栅格中选取满足种子生长的限定范围,且符合树冠生长规则的生长候选栅格作为以该种子点为树顶的树冠边界点,完成每个种子点的单木树冠描绘。
进一步的,所述设定树冠生长规则的方法为:
设种子点总数目为K,k为种子点编号,k∈[1,2,3,...,K],给定树冠生长阈值为X;定义种子点k的像元值为xk,该种子点的第n个生长候选栅格的像元值为xkn;则树冠生长规则为:
xkn∈[xk,xk+X]。
有益效果:与现有技术相比,本发明具有以下优势:
本发明提出的方法可以不用考虑局部窗口和尺度选择问题,且操作简单,通用性更强,能更有效、可靠的探测树顶位置;提出的生长空间限定的区域生长方法能够解决原始区域生长方法的过度生长问题,可用于紧密度高、树冠相互连接情况下的树冠描绘,树冠描绘结果更加可靠。
附图说明
图1为本发明实施例的流程图;
图2为实施例中经过预处理后的遥感图像;
图3为实施例中的单木探测结果图;
图4为实施例中单木树冠描绘结果图。
具体实施方式
本发明提出一种高分辨率遥感图像单木探测和树冠描绘方法,该方法包括以下步骤:
步骤1:对探测区域的高空间分辨率遥感图像进行预处理,包括:先对高空间分辨率遥感图像进行均值滤波获取平滑图像,再对平滑图像进行颜色反转处理,获取预处理后的遥感图像;
步骤2:利用水文分析方法从预处理后的遥感图像中提取树顶位置数据,包括:
2-1将预处理后的遥感图像看做地面高程数据并利用水文分析中的洼地提取方法从预处理后的遥感图像中提取洼地数据,所述洼地数据即为树顶位置初次提取数据;
2-2对树顶位置初次提取数据进行二次提取,剔除其中非树顶位置洼地,将剔除非树顶位置洼地后的数据作为树顶位置二次提取数据;
2-3根据树顶位置二次提取数据计算每个洼地的洼地贡献区域;
2-4从树顶位置二次提取数据中剔除树冠分支洼地,将剔除后的数据作为树顶位置数据;并将树冠分支洼地的洼地贡献区域合并到距离最近的洼地贡献区域内作为新的洼地贡献区域;
步骤3:将步骤2中提取的树顶位置数据作为种子点、洼地贡献区域作为种子生长的限定范围,通过区域生长法进行单木树冠描述。
上述技术方案主要分为三部分:
(1)图像预处理
图像预处理包括图像平滑和图像反转两步。
(2)单木探测
单木探测通过探测树顶位置来完成,具体是将反转后图像看做地面高程数据,然后计算水流方向,利用水文分析的洼地提取思想初步提取树顶位置,然后剔除掉高亮非树冠地物导致的误提取树顶位置和由于树冠分支导致的多提取树顶位置,从而获得最终的树顶位置,完成单木探测,同时获取洼地贡献区域用作后续利用区域生长方法进行树冠描绘时的生长范围限定。提取过程不用确定局部窗口大小,也不用确定提取尺度,普适性更强。
(3)单木树冠描绘
单木树冠描绘是描绘树冠轮廓,采用发明的生长空间限定的区域生长方法完成。生长空间限定的的区域生长算法不但采用阈值进行生长,而且用前述提取的洼地贡献区域作为区域生长的空间限定,解决了区域生长方法对于树冠相互连接时的过度生长问题。
下面结合附图和具体实施例对本发明提供的技术方案作出进一步说明。如图1所示为本发明的实施例流程图,该实施例包括:
(1)图像预处理
图像预处理主要由图像平滑和图像反转两步构成:
步骤1:为避免图像高值噪声对树顶提取的影响,采用3×3窗口对图像进行了均值滤波完成图像平滑;
步骤2:用滤波后图像中的每个栅格像元的最大值减去实际值,实现大值变小值,小值变大值的效果。
(2)单木探测
单木探测通过探测树顶位置来完成,总体思路是:将反转后图像看作地面高程数据,利用水文分析工具(例如ArcGIS软件的水文分析模块)初步提取树顶位置,然后剔除掉高亮非树冠地物导致的误提取树顶位置和由于树冠分支导致的多提取树顶位置,从而获得最终的树顶位置,完成单木探测,同时获取洼地贡献区域用作后续利用区域生长方法进行树冠描绘时的生长范围限定。单木探测的具体过程如下:
①树顶位置初步提取
树顶位置初步提取是利用水文分析工具的洼地提取功能完成,包括水流方向计算和洼地提取两步。
步骤1:水流方向计算。
从反转后图像获取局部最小值,即洼地,需对图像进行水流方向计算,获取水流方向栅格。水流方向是水流离开每一个栅格单元的指向,水流方向计算采用D8单流向算法,通过计算中心栅格与邻域栅格的最大距离权落差(指中心栅格与邻域栅格的高程差除以两栅格间的距离)来确定。
步骤2:洼地提取
洼地是水流无法流出的区域,根据水流方向计算结果则可提取洼地位置。获取的洼地有的是单栅格,有的是多个相邻栅格。这些提取的洼地对应未经预处理的原始图像上的局部最大值点,即树顶位置,提取的洼地位置则是初步提取的树顶位置。通过反转图像提取洼地来获取树顶位置的方法,避免了局部最大值方法中的搜索窗口问题和多尺度方法的尺度选择问题。
②非树顶位置洼地剔除
前述通过洼地提取方法初步提取了树顶位置,但林地中经常会存在看护管理用房和道路,由于这些地物具有高的光谱反射能力,在原始图像上为高亮栅格,当图像反转后则是洼地区域,会误提取为树顶信息。为此需要把这些非树顶位置的洼地剔除,具体步骤如下:
步骤1:首先计算洼地栅格所对应原始图像的像元值;
步骤2:根据原始图像中对应洼地的像元值特征设定一阈值,然后将大于阈值的作为高亮洼地予以删除。在本实施例中,原始图像为一片荔枝林,经过对原始图像的分析,确定阈值为42,删除的高亮洼地基本位于四周道路、林内建筑物和林内道路上。
③树冠分支树顶剔除
有些树树冠较大,分支较多,可能导致一个树冠提取了多个局部最大值,即反转图像后的洼地,需要剔除树冠分支树顶,具体步骤如下:
步骤1:洼地贡献区域提取
为去除小的树冠分支对应的洼地,并限定后续单木树冠生长范围,提取了洼地贡献区域。洼地贡献区域是将提取的洼地作为流域出水口,所有水流流向洼地的区域,这个区域则是包含提取目标树冠和目标背景的区域,是洼地的汇水区域,对原始图像来说则是树顶所对应局部最大值的区域。
步骤2:删除树冠分支树顶,具体步骤为:
由于树冠分支通常距离较近,计算了洼地与相邻洼地的相对距离,将相对距离小于阈值的看做是树冠分支洼地。由于一个洼地可能存在多个与其相对距离小于阈值的相邻洼地,因此,将分支洼地中原始像元均值大的洼地(即认为是树冠树顶)保留,像元均值小的洼地(即认为是树冠分支顶部)删除,同时合并对应的洼地贡献区域为后续树冠描绘使用。具体操作步骤为:
(1)设置洼地间距阈值,并将所有洼地进行编号形成处理队列,按照编号从小到大依次进行是否为树顶位置洼地的判断;
(2)从队首洼地开始,计算其与相邻洼地的相对距离;若所选取的洼地与相邻洼地的相对距离均大于洼地间距阈值,则判定所选取的洼地为树顶位置洼地,并将其从处理队列中删除,进行下一个洼地的判断;若所选取的洼地与一个或多个洼地的相对距离小于或等于洼地间距阈值,则进入步骤(3);
(3)计算所选取的洼地以及与其相对距离小于或等于洼地间距阈值的洼地的像元均值,从中选取像元均值最大的洼地作为树顶位置洼地,并将其从处理队列中删除,其余洼地保留原编号继续参与洼地判断;
(4)循环执行步骤(2)至(3)直至没有新的树顶位置洼地产生,处理队列中剩余的洼地即为树冠分支洼地;
(5)从树顶位置二次提取数据中剔除树冠分支洼地数据。
在本实施例中荔枝的建议种植密度为3米×3米,因此设定洼地间距阈值为3米,最终提取的单木树顶位置如图3所示,可以看出提取的树顶位置基本位于树冠亮度值大区域,合并后的洼地贡献区域如图3中黑色边线中空面状符号所示。
(3)单木树冠描绘
单木树冠描绘是描绘树冠轮廓,采用发明的生长空间限定的区域生长方法完成。区域生长是一种根据事先定义的准则将像素或子区域聚合成更大区域的过程,通常以一组种子点开始,将与种子性质相似的相邻像素合并到种子上。当区域生长法用于树冠描绘时,对于树冠相互连接的情况容易导致过度生长,需要对区域生长进行生长范围空间限定,因此提出了生长空间限定的区域生长算法,算法描述如下:
步骤1:将前述探测的单木位置像元,即最终提取的洼地作为区域生长的种子点,将对应的洼地贡献区域作为种子生长的限定范围;
步骤2:种子点周围邻域栅格作为生长候选栅格,对每一候选栅格进行判断,若候选栅格在生长范围内且符合设定的树冠生长阈值,则将此栅格合并到种子点中,若不能同时满足上述两条件,则将此栅格标记,不合并到种子点中去,且不参与后续的生长过程,重复以上过程,直到遍历所有候选栅格;
步骤3:重复步骤2生长过程,直到没有符合条件的栅格生长为止,则完成了一个种子点的生长过程,实现了一个树冠描绘;
步骤4:对每一种子点重复步骤2、3步过程,直到完成所有种子点的生长,则完成了全部树冠描绘。
对本实施例中的树冠与树顶像元的数值差异进行分析,设定差值7为生长阈值,单木树冠描绘结果如图4所示。从图4树冠描绘结果可以看出,描绘的树冠基本能够覆盖树冠范围。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种高分辨率遥感图像单木探测和树冠描绘方法,其特征在于包括以下步骤:
步骤1:对探测区域的高空间分辨率遥感图像进行预处理,包括:先对高空间分辨率遥感图像进行均值滤波获取平滑图像,再对平滑图像进行颜色反转处理,获取预处理后的遥感图像;
步骤2:利用水文分析方法从预处理后的遥感图像中提取树顶位置数据以及单木树冠描绘的限制区域,包括:
2-1将预处理后的遥感图像看做地面高程数据,利用水文分析的洼地提取方法从预处理后的遥感图像中提取洼地数据,所述洼地数据即为树顶位置初次提取数据;
2-2对树顶位置初次提取数据进行二次提取,剔除其中非树顶位置洼地,将剔除非树顶位置洼地后的数据作为树顶位置二次提取数据;
2-3根据树顶位置二次提取数据获得每个洼地的洼地贡献区域数据;
2-4从树顶位置二次提取数据中剔除树冠分支洼地,将剔除后的数据作为树顶位置数据;并将树冠分支洼地的洼地贡献区域与距离其最近的洼地贡献区域合并;
步骤3:将步骤2中提取的树顶位置数据作为种子点、所有洼地贡献区域作为种子生长的限制区域,通过区域生长法进行单木树冠描述。
2.根据权利要求1所述的一种高分辨率遥感图像单木探测和树冠描绘方法,其特征在于,所述步骤2-1中的洼地数据提取方法为:
(1)采用D8单流向算法对预处理后的遥感图像进行水流方向计算,通过计算中心栅格与邻域栅格的最大距离权落差获取水流方向栅格;
(2)根据水流方向计算结果提取洼地数据。
3.根据权利要求1所述的一种高分辨率遥感图像单木探测和树冠描绘方法,其特征在于,所述步骤2-2中获取树顶位置二次提取数据的方法为:
计算形成洼地的栅格像元在预处理前高空间分辨率遥感图像中所对应的像元值;设定像元值阈值,将树顶位置初次提取数据中高于像元值阈值的洼地栅格作为非树顶位置洼地并剔除,将剩余的数据作为树顶位置二次提取数据。
4.根据权利要求1所述的一种高分辨率遥感图像单木探测和树冠描绘方法,其特征在于,所述步骤2-4中剔除树冠分支洼地的方法为:
(1)设置洼地间距阈值,并将所有洼地进行编号形成处理队列,按照编号从小到大依次进行是否为树顶位置洼地的判断;
(2)从队首洼地开始,计算其与其相邻洼地的相对距离;若所选取的洼地与其相邻洼地的相对距离均大于洼地间距阈值,则判定所选取的洼地为树顶位置洼地,并将其从处理队列中删除,进行下一个洼地的判断;若所选取的洼地与一个或多个洼地的相对距离小于或等于洼地间距阈值,则进入步骤(3);
(3)计算所选取的洼地以及与其相对距离小于或等于洼地间距阈值的洼地的像元均值,从中选取像元均值最大的洼地作为树顶位置洼地,并将其从处理队列中删除,其余洼地保留原编号继续参与洼地判断;
(4)循环执行步骤(2)至(3)直至没有新的树顶位置洼地产生,处理队列中剩余的洼地即为树冠分支洼地;
(5)从树顶位置二次提取数据中剔除树冠分支洼地数据。
5.根据权利要求1所述的一种高分辨率遥感图像单木探测和树冠描绘方法,其特征在于,通过区域生长法进行单木树冠描述的方法为:
(1)将每个种子点周围的邻近栅格作为对应种子点的生长候选栅格并设定树冠生长规则;
(2)从每个种子点的生长候选栅格中选取满足种子生长的限制区域,且符合树冠生长规则的生长候选栅格作为以该种子点为树顶的树冠边界点,完成每个种子点的单木树冠描绘。
6.根据权利要求5所述的一种高分辨率遥感图像单木探测和树冠描绘方法,其特征在于,所述设定树冠生长规则的方法为:
设种子点总数目为K,k为种子点编号,k∈[1,2,3,...,K],给定树冠生长阈值为X;定义种子点k的像元值为xk,该种子点的第n个生长候选栅格的像元值为xkn;则树冠生长规则为:
xkn∈[xk,xk+X]。
CN201610188465.3A 2016-03-29 2016-03-29 一种高分辨率遥感图像单木探测和树冠描绘方法 Expired - Fee Related CN105894501B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610188465.3A CN105894501B (zh) 2016-03-29 2016-03-29 一种高分辨率遥感图像单木探测和树冠描绘方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610188465.3A CN105894501B (zh) 2016-03-29 2016-03-29 一种高分辨率遥感图像单木探测和树冠描绘方法

Publications (2)

Publication Number Publication Date
CN105894501A CN105894501A (zh) 2016-08-24
CN105894501B true CN105894501B (zh) 2018-09-28

Family

ID=57014563

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610188465.3A Expired - Fee Related CN105894501B (zh) 2016-03-29 2016-03-29 一种高分辨率遥感图像单木探测和树冠描绘方法

Country Status (1)

Country Link
CN (1) CN105894501B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106407898B (zh) * 2016-08-29 2019-04-16 中国林业科学研究院资源信息研究所 一种激光雷达单木分块识别方法
CN106778696B (zh) * 2017-01-18 2020-01-31 北京林业大学 一种基于双向选择判断原理进行遥感手段提取单木与实际单木信息匹配的方法
CN113591729B (zh) * 2021-08-03 2023-07-21 浙江农林大学 结合rgb-dsm图像和深度学习的城市森林单木树冠检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101992914A (zh) * 2010-10-26 2011-03-30 山东普利龙压力容器有限公司 火车油罐快速卸放加热装置及其加热方法
CN102096818A (zh) * 2011-01-31 2011-06-15 中国林业科学研究院资源信息研究所 面向对象的遥感影像树冠轮廓及参数自动提取方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8680994B2 (en) * 2010-12-30 2014-03-25 Utility Risk Management Corporation, Llc Method for locating vegetation having a potential to impact a structure

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101992914A (zh) * 2010-10-26 2011-03-30 山东普利龙压力容器有限公司 火车油罐快速卸放加热装置及其加热方法
CN102096818A (zh) * 2011-01-31 2011-06-15 中国林业科学研究院资源信息研究所 面向对象的遥感影像树冠轮廓及参数自动提取方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Tree crown detection and delineation in high resolution RS image: a texture approach discussion;Lun Wu等;《Proceedings of 2004 IEEE International Geoscience and Remote Sensing Symposium》;20040924;第3841-3844页 *
基于高分辨率遥感数据单木树冠提取研究;崔少伟等;《中国优秀硕士学位论文无安稳数据库 农业科技辑》;20111015(第10期);第1-28页 *

Also Published As

Publication number Publication date
CN105894501A (zh) 2016-08-24

Similar Documents

Publication Publication Date Title
CN106846344B (zh) 一种基于边缘完备度的图像分割最优识别方法
Huang et al. A multidirectional and multiscale morphological index for automatic building extraction from multispectral GeoEye-1 imagery
CN105931295B (zh) 一种地质图专题信息提取方法
CN104008553B (zh) 融合影像梯度信息和分水岭方法的裂缝检测方法
Turker et al. Field-based sub-boundary extraction from remote sensing imagery using perceptual grouping
CN107578035A (zh) 基于超像素‑多色彩空间的人体轮廓提取方法
CN107895376A (zh) 基于改进Canny算子和轮廓面积阈值的太阳能电池板识别方法
CN110309781B (zh) 基于多尺度光谱纹理自适应融合的房屋损毁遥感识别方法
CN107330875B (zh) 基于遥感图像正反向异质性的水体周边环境变化检测方法
CN107330376A (zh) 一种车道线识别方法及系统
CN101699511A (zh) 彩色图像分割方法及系统
CN105868717B (zh) 一种基于分类的高分辨率遥感图像单木树冠信息提取方法
CN104049245A (zh) 基于LiDAR点云空间差异分析的城市建筑物变化检测方法
CN103077515B (zh) 一种多光谱图像建筑物变化检测方法
CN103646246A (zh) 一种基于决策树模型的多光谱遥感影像河流信息提取方法
CN107273608A (zh) 一种油藏地质剖面图矢量化方法
CN107092871A (zh) 基于多尺度多特征融合的遥感影像建筑物检测方法
CN103839267A (zh) 一种基于形态学建筑物指数的建筑物提取方法
CN103679737B (zh) 基于多通道信息选择的彩色图像边缘检测方法
CN105894501B (zh) 一种高分辨率遥感图像单木探测和树冠描绘方法
WO2021057395A1 (zh) 一种鞋跟型号识别方法、装置及存储介质
CN105741276A (zh) 一种船舶水线提取方法
CN112766154A (zh) 一种高分辨率sar图像建筑物叠掩提取方法
CN109543498A (zh) 一种基于多任务网络的车道线检测方法
Jiang et al. Semi-automatic building extraction from high resolution imagery based on segmentation

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180928

CF01 Termination of patent right due to non-payment of annual fee